| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 论文背景与研究意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究目标与内容 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 相机标定与数据采集 | 第13-21页 |
| 2.1 Kinect摄像头的标定与内外参数矩阵的获取 | 第13-18页 |
| 2.1.1 彩色相机模型与图像深度测量原理 | 第13-16页 |
| 2.1.2 标定方法 | 第16-17页 |
| 2.1.3 标定结果 | 第17-18页 |
| 2.2 深度数据的采集 | 第18-20页 |
| 2.2.1 OpenNI开发平台框架介绍 | 第18-20页 |
| 2.2.2 数据的采集 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 深度图像滤波与点云法向量计算 | 第21-32页 |
| 3.1 深度图像的滤波与空洞修补 | 第21-26页 |
| 3.1.1 Kinect数据误差分析 | 第21-23页 |
| 3.1.2 深度图像的噪声滤除与空洞修补 | 第23-26页 |
| 3.2 点云数据的优化存储序列 | 第26-28页 |
| 3.2.1 kD-tree的定义与性质 | 第26-27页 |
| 3.2.2 kD-tree的建立与查找 | 第27-28页 |
| 3.3 点云法向量计算 | 第28-31页 |
| 3.3.1 主元分析法 | 第29页 |
| 3.3.2 点云切面估计 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 点云配准方法研究 | 第32-46页 |
| 4.1 点云匹配映射矩阵分析 | 第32-34页 |
| 4.1.1 点云配准的概念 | 第32-33页 |
| 4.1.2 点云数据刚体运动描述 | 第33-34页 |
| 4.2 迭代邻近点算法 | 第34-36页 |
| 4.2.1 算法基本原理 | 第34-35页 |
| 4.2.2 相关研究工作 | 第35-36页 |
| 4.3 基于随机抽样一致性的点云平面检测方法 | 第36-38页 |
| 4.4 基于空间几何角的点云配准方法 | 第38-45页 |
| 4.4.1 算法思路 | 第38-39页 |
| 4.4.2 初步旋转配准 | 第39-41页 |
| 4.4.3 迭代逼近配准 | 第41-44页 |
| 4.4.4 实验结果 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 点云数据的表面重构方法 | 第46-55页 |
| 5.1 表面重构方法 | 第46-47页 |
| 5.2 三角剖分的概念 | 第47-50页 |
| 5.3 基于局部Delaunay三角化的表面重构 | 第50-54页 |
| 5.3.1 曲面主曲率计算 | 第50-51页 |
| 5.3.2 候选点集计算 | 第51-52页 |
| 5.3.3 点云的三角化 | 第52-54页 |
| 5.3.4 实验结果 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55-56页 |
| 6.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间科研及论文完成情况 | 第61-62页 |
| 致谢 | 第62页 |